简历优化 Agent

要解决什么

简历的第一读者其实是 ATS 解析器和花 6–10 秒 扫读的 HR，而非人类意义上的读者。通用润色工具能写出漂亮句子，却无法回答一个核心问题：这句话背后的事实是什么？ 这个技能把简历视为招聘方降低误判成本的一组可验证主张，优化目标是 信号价值 = 岗位相关性 × 可信度 × 区分度 ÷ 阅读成本。它只删空话（“沟通能力强”“抗压强”），不编数字；事实不足时输出缺失清单并停止硬写，而不是交一份看起来完整的终稿。

核心能力与关键步骤

• 自然语言触发：无需命令行或模式名，“帮我看看这份简历哪里有问题”“按这个 JD 给我做一版”即可开始；缺项时只追问会改变结论的字段，不重复询问已提供的信息。
• 三档工作量自动选择：

- 快速改写：一段经历或一次诊断，交付事实点和低信号项；
- 标准定向：完整简历或指定 JD，输出 JD 信号图、事实审计和完整正文；
- 简历项目：多岗位版本与长期维护，附带证据库、追溯 ID、版本记录和校验报告。

• 六步标准流程：确认筛选前提 → 原子化拆解输入（来源、动作、责任边界、结果、不确定性，按 A/B/C/D 标记信号强度）→ 按岗位重写（动作 + 对象 + 方法 + 结果 + 个人边界）→ 决定结构（默认倒序时序）→ 选择乔布模板路线 → 交付纯净正文，审计意见与正文分离。
• 质量门：宣称可投递前检查真实性、匹配、证据、责任边界、时间线、解析性、可解释性等十项；可选脚本 scripts/resume_lint.py 只做确定性检查，不做录用预测。

适用边界

• 只使用用户确认的事实，拒绝伪造任职、指标、证书、职级或教育经历；目标岗位缺失时只做事实审计，不生成“最终投递版”。
• 不承诺通用 ATS 分数、面试率或 Offer，各平台解析规则不可互换。
• 乔布模板链接需联网核验，否则降级为类型建议与搜索词；侧边栏等 UI 按宿主能力自动降级，便携 HTML/Markdown 的可迁移性优先于界面表现一致。